（十七：2020.09.10）nnUNet最全问题收录（9.10更新）

一、写在前面

1. 发现最近大家的问题有很多，有部分是理论上的问题。但是很多还只是框架使用上的问题，其实个人觉得整个框架就现在来说已经相当的成熟，为了有一个类似于github的issue总结的地方，我希望去写一片问题总结的博客还是具有相当大的意义，一方面处于对工作学习内容的总结，一方面有个很好的反馈问题查找答案的地方。我会慢慢更新到最开始的位置。
       
2. 本篇博客总结的内容包括三个来源：

• ① GITHUB：我会从github的issue界面这里进行全面的检索和内容精要的提取，主要是已经关闭的issue。按照由今至古的时间线进行，同时会将内容分为如下三类：
  • I. 使用上的问题：主要是使用过程出现的问题总结；
  • II. 理论上的问题： 涉及到理论的新颖知识，基本的概念或常识；
  • III. 代码上的问题：算法的代码实现，以及一些可能存在的bug。
• ② 个人使用经验：总结我在使用nnUNet过程中出现的问题和解决方案。
• ③ 访客问题：总结大家向我提出的问题，只会涉及到我之前没有遇到过也没有时间常识解决且GITHUB上暂时没有提到的问题。

3. 笔者希望各位看官在方便自己工作学习的同时，也能为贡献自己的一份力，我们距离德国的医疗卫生水平还有着巨大的鸿沟式的差距，人生在世，总得留下点有价值的东西，无论出于什么目的，大家一起加油，不忘初心。

---

二、GITHUB ISSUE

I. 使用上的问题：

#477 《3D nnUNet支持FP16量化吗？》

• 1. 解决方法：最近的更新将会支持FP16的量化，结果是一样的，有兴趣的同学测试下速度。

#474 《ImportError: cannot import name find_namespace_packages》

• 1. 问题描述：在pip install -e .时遇到问题。
• 2. 解决方法：先执行pip install -U setuptools,再pip install -e .。

#471 《我怎么在本地评估一些预训练模型的指标呢？》

• 1. 解决方法：在论文的附录里有的。

#469 《无任何报错的进程死亡》

• 1. 问题描述：我正在尝试使用马萨诸塞州道路分割数据集训练2D模型。 但是，当训练过程达到第四轮，终端将显示“ killed”，而没有任何错误消息。
• 2. 解决方法：这里的nnU-Net training (2D U-Net): High (and increasing) system RAM usage, OOM解释了这个原因。
• 3. 问题解决：
  分别将CUDA和CUDNN版本更新为11.0.194和8.0.5，然后我重新编译pyTorch，它可以正常工作。
• 4. 我有话说：几个月没看nnUNet，看来已经可以进行自然场景的2D分割了 ，很多同学问过这个问题，不知道你们有没有跟进关注呢？我在这个问题发现了这个任务的数据预处理---->here，看来作者已经把脚本写好了，确实得看一下了。

#464 《如何对PET进行归一化》

• 1. 解决方法：PET图像将像其他任何非CT图像一样处理：每个样本均使用其自己的均值和标准差进行归一化。

#459 《orientation这个属性在nnUNet里起作用吗？》

• 1. 解决方法：nnUNet不考虑这个属性，你的数据集必须要保证方向一致。

#456 《cannot import name ‘SpatialTransform_2’ from ‘batchgenerators.transforms’》

• 1. 解决方法：更新下batchgenerators或者重新安装下nnUNet。

#454 《能给个自己编译pytorch解决2d训练问题的教程吗？》

• 1. 解决方法：这里有哦！说真的，只要你编译过ffmpeg的cuda版本这都是小儿科，人都能疯。pytorch已经很友好了。

#449 《前景多标签有重叠情况怎么解决？》

• 1. 解决方法：多分类的前景标签有重叠的情况现在nnUNet尚不支持。

#446 《在用多GPU训练以后发现推理时候报错》

• 1. 问题描述：
• 2. 解决方法：这是当前版本仍然存在的问题，会在未来进行改进，所以不建议去使用多gpu训练。

#437 《在Microsoft Azure VM Instance虚拟机中存在的一个bug》

• 1. 问题描述：shutil.Error: [('/nnUnet/nnUNet_raw_data_base/nnUNet_cropped_data/Task001_Brain/gt_segmentations/BRAIN_000.nii.gz', '/nnUnet/nnUNet_preprocessed/Task001_Brain/gt_segmentations/BRAIN_000.nii.gz', "[Errno 38] Function not implemented: '/nnUnet/nnUNet_raw_data_base/nnUNet_cropped_data/Task001_Brain/gt_segmentations/BRAIN_000.nii.gz'"), .
• 2. 解决方法：https://stackoverflow.com/questions/51616058/shutil-copystat-fails-inside-docker-on-azure。

#427 《nnUNet能不能使用cupy来加速预处理过程呢？》

• 1.我的理解：我对这个问题的理解应该就是它想通过加速numpy来加速skimage这个库，从而对插值进行加速。后续我会做这部分工作，因为之前我用torch的加速替代了skimage的加速，但发现因为量化或者是我插值方法的原因，速度虽然提升了，但精度损失了很多。

#425 《当生成的patch_size大于图像本身的时候会发生什么？》

• 1. 解决方法：如果patch大小大于图像，则原始图像将用零填充。这根本不与非零裁剪冲突。 这两个有不同的目的。

#424 《能直接把预处理以后的npz文件的patch抽出来在我的新模型上进行训练吗？》

• 1. 作者解释：作者认为这样可能效果并不是很好。 因为他们在nnU-Net中解决了许多与之相关的陷阱。 最好的比较是在训练时使用nnU-Net所使用的相同数据加载器（包括增强），这应该很容易从nnU-Net存储库中提取出来。如果由于某种原因不想这样做，那么使用npz也可以，但是您仍然必须报告由原始nnU-Net获得的Dice分数作为基准。

#423 《想在你的模型中添加新的网络块，应该怎么做？》

• 1. 问题描述：想把这个模块添加到nnUNet的模型当中。
• 2. 作者解释